■開催日時：　2026年3月30日(月)10:30～16:30

■会場：　【WEB限定セミナー】※在宅、会社にいながらセミナーを受けられます　

■定員：　30名

■講師：　
愛知産業大学 造形学部スマートデザイン学科
教授 博士（工学）章 忠 氏
【ご専門】計測工学、知的システム

【ご経歴】
1993年岡山大学大学院博士課程修了．2004年まで、岡山県工業技術センター，計測制御研究室長・専門研究員，岡山県立大学大学院・助教授．1998年9月から1999年3まで，オーストラリア Melbourne大学客員研究員．2004年10月から2020年3月まで豊橋技術科学大学大学院工学研究科・教授、2020年4月から2025年3月まで広島工業大学工学部知能機械工学科・教授。振動騒音の計測制御，信号処理および異常診断，ウェーブレット変換およびIOT・AI技術の応用などの研究に従事． 現在、愛知産業大学造形学部スマートデザイン学科・教授、豊橋技術科学大学名誉教授。

 ■受講料：　55,000円（税込、資料付き／1人）
※最新のセミナー情報を「配信可」にすると割引適用（登録無料）
会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
　・1名で申込の場合、49,500円（税込）へ割引になります。
　・2名同時申込で両名とも会員登録をしていただいた場合、計55,000円（2人目無料）です。

■備考：　
資料付き　
【LIVE配信セミナーとは？】

■主催：　(株)R&D支援センター

■受講対象・レベル：　
・AI技術の未経験者や製造業務にたずさわって2~3年の若手技術者・新人の方など

■必要な予備知識：　
・線形代数と微分・積分、確率統計、フーリエ変換の初歩的な知識

■習得できる知識：　
・ニューラルネットワークに関する基礎知識
・ニューラルネットワークを活用するテクニック
・ディープランニングの基礎知識と活用のテクニック
・ディープランニングを用いてシステムを構築する知識と技術

■趣旨：　
センシング技術は、センサを用いて実世界の状態や物理現象を信号・画像として取得する技術であり、近年はAIと組み合わせることで、状態理解・異常診断・将来予測を行う知能化センシングへと発展しています。これらは、実世界を対象とするAI、すなわちフィジカルAIを構成する中核的技術です。
一方、ChatGPTに代表される生成AIが注目される中、生産技術や社会インフラの現場では、実世界のデータをどのようにAIで扱い、課題解決につなげるかが重要な課題となっています。本セミナーでは、フィジカルAIの基盤技術として、人工知能・機械学習の基礎から各種ニューラルネットワーク、ディープラーニングの原理と応用を解説します。さらに、異常音検出や水道管漏水検出などの実例に加え、ディープラーニングの一例としてMask R-CNNを取り上げ、転移学習を活用した光沢表面部品の自動検査システムを題材に、フィジカルAIを現場に実装するための実践的アプローチを紹介します。

■プログラム：　
１．人工知能(AI)と脳の情報処理
　(1) 人工知能(AI)について
　　ａ．人工知能(AI)とは
　　ｂ．脳の情報処理とニューラルネットワーク
　(2) 機械学習とニューラルネットワーク
　　ａ．機械学習(Machine Learning)の基礎
　　ｂ．機械学習・深層学習・ニューラルネットワーク
　(3) 機械学習とニューラルネットワークの各種モデル
　　ａ．相互結合型ニューラルネットワークモデル
　　ｂ．階層型ニューラルネットワークモデル
　(4) 深層学習とディープランニング
　　ａ．深層学習と転移学習
　　ｂ．代表的なディープラーニング 
　(5) 深層学習とビックデータ
　　ａ.良質な学習データが必要  
　　ｂ.公開された巨大なデータセットを積極的に利用

２．ニューラルネットワークの各種モデルとその知能化センシングへの応用例
　(1) 相互結合モデルと応用例
　　ａ．セルラーニューラルネットワーク(CNN)と異常音検出への応用
　　ｂ．動的ネットワーク(DRN)とセンサフュージョンへの応用 
　　ｃ．自己組織マップネットワーク(SOM)と音源定位への応用
　　ｄ．ベイジアンネットワークと運転危険度予測への応用
　(2) 階層型モデルと応用例
　　a．階層型ニューラルネットワークと肝臓病識別問題への応用
　　b.サポートベクトルマシンとプリント基板欠陥検査への応用 
　　c.階層型ニューラルネットワークと特徴抽出における次元削減への応用
　　d. 階層型ニューラルネットワークと漫然運転の時系列予測問題への応用 

３．ディープラーニングの一種である畳み込みニューラルネットワークと応用例
　(1) 畳み込みニューラルネットワーク
　　a.多層型ニューラルネットワークの限界
　　b.畳み込みニューラルネットワーク(CNN)の原理
　　c.これまでに提案された代表的なCNNの各種
　　d. CNNの水道管漏水検出への応用例
　　e. CNNの一種であるOpenPoseの運転行動抽出への応用例
　(2) Mask R-CNNとその表面検査システムへの応用
　　a. CNNの表面検査への応用例
　　b. CNNのみ検査システムの課題点
　　c. Mask R-CNNの特徴
　　d. Mask R-CNNを用いる表面自動検査システムの構成　
　　e. 画像計測部の基本構成
　　f. 欠陥検査部の構成と構築
　　g. 欠陥検出精度の評価
　(3) 人工知能の歴史と適用範囲
　　a. 人工知能（AI）の歴史
　　b. 人工知能（AI）の適用範囲

４．まとめ